CN115829209A - 基于碳路径的绿色智能仓库环保质量分析方法及装置 - Google Patents
基于碳路径的绿色智能仓库环保质量分析方法及装置 Download PDFInfo
- Publication number
- CN115829209A CN115829209A CN202310059491.6A CN202310059491A CN115829209A CN 115829209 A CN115829209 A CN 115829209A CN 202310059491 A CN202310059491 A CN 202310059491A CN 115829209 A CN115829209 A CN 115829209A
- Authority
- CN
- China
- Prior art keywords
- environmental protection
- evaluation
- weight
- index data
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 43
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 32
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 32
- 230000007613 environmental effect Effects 0.000 claims abstract description 221
- 239000011159 matrix material Substances 0.000 claims abstract description 149
- 238000011156 evaluation Methods 0.000 claims abstract description 148
- 238000013441 quality evaluation Methods 0.000 claims abstract description 45
- 238000013210 evaluation model Methods 0.000 claims abstract description 40
- 239000013598 vector Substances 0.000 claims description 36
- 238000004422 calculation algorithm Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 14
- 230000010354 integration Effects 0.000 claims description 9
- 241001522301 Apogonichthyoides nigripinnis Species 0.000 claims description 8
- 230000000903 blocking effect Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004451 qualitative analysis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据分析技术，揭露了一种基于碳路径的绿色智能仓库环保质量分析方法及装置，包括：构建指标体系层次结构，根据指标体系层次结构确定主观权重及客观权重；根据主观权重及客观权重构造分块矩阵，根据分块矩阵计算组合权重；根据整合环保指标数据构建标准评价模型，根据组合权重计算标准评价模型的中心度，根据中心度及评价分值构建绿色智能仓库环保质量评价模型；利用绿色智能仓库环保质量评价模型对待评价绿色智能仓库进行评价，生成待评价绿色智能仓库的评价等级，利用评价等级对绿色智能仓库的环保质量进行分析。可以提高环保质量分析准确度。
Description
技术领域
本发明涉及数据分析技术领域，尤其涉及一种基于碳路径的绿色智能仓库环保质量分析方法及装置。
背景技术
随着节能减排工作的推进，需要加快绿色仓储建设，鼓励建设绿色物流园区，但为了构建具有更加高品质的绿色仓储，需要从多个指标数据进行分析，以进行绿色仓储环保质量的评估。
现有的绿色智能仓库环保质量分析多为基于单一的指标数据对环保质量进行分析。实际应用中，对于仓库环保质量的评估存在着多种可以影响评价的指标数据，仅考虑单一指标，可能导致对仓库环保质量分析过于单一，从而对绿色智能仓库进行环保质量分析准确度较低。
发明内容
本发明提供一种基于碳路径的绿色智能仓库环保质量分析方法及装置，其主要目的在于解决进行环保质量分析准确度较低的问题。
为实现上述目的，本发明提供的一种基于碳路径的绿色智能仓库环保质量分析方法，包括：
S1、获取目标绿色智能仓库的环保指标数据，根据所述环保指标数据构建指标体系层次结构，根据所述指标体系层次结构确定所述环保指标数据的主观权重；
S2、对所述环保指标数据进行数据整合，得到整合环保指标数据，利用预设的熵权算法根据所述整合环保指标数据计算所述环保指标数据的客观权重；
S3、根据所述主观权重及所述客观权重构造分块矩阵，利用预设的组合赋权算法根据所述分块矩阵计算所述环保指标数据的组合权重；
S4、根据所述整合环保指标数据构建标准评价模型，根据所述组合权重计算所述标准评价模型的中心度，根据所述中心度及预设的评价分值构建绿色智能仓库环保质量评价模型，其中，所述根据所述组合权重计算所述标准评价模型的中心度，包括：
S41、根据所述标准评价模型生成环保指标数据的差异信息矩阵；
S42、根据所述差异信息矩阵计算靶心系数；
S43、利用如下的中心度计算公式根据所述靶心系数及所述组合权重计算所述标准评价模型的中心度：
其中，
为所述中心度，
为第
个指标序列的组合权重，
为指标序列的数量，
为所述靶心系数，
为在标准评价模型下的第
个评价指标序列，
为在第在
个状态模式下的第
个评价指标序列；
S5、利用所述绿色智能仓库环保质量评价模型对待评价绿色智能仓库进行评价，生成所述待评价绿色智能仓库的评价等级，利用所述评价等级对绿色智能仓库的环保质量进行分析。
可选地，所述根据所述指标体系层次结构确定所述环保指标数据的主观权重，包括:
根据预设的指标重要程度生成所述指标体系层次结构的判断矩阵；
利用预设的优先程度公式计算所述判断矩阵中每行的指标平均值：
其中，
为所述指标平均值，
为第
行第
列对应的矩阵值，
为所述判断矩阵的矩阵列数或所述判断矩阵的矩阵行数；
利用如下的权重公式根据所述指标平均值计算所述指标体系层次结构中每个环保指标数据的指标权重：
其中，
为所述指标体系层次结构中第
个环保指标数据的指标权重，
为第
行的指标平均值；
利用预设的一致性确定所述判断矩阵是否满足一致性，当所述判断矩阵满足一致性时，将所述指标权重作为所述环保指标数据的主观权重。
可选地，所述利用预设的熵权算法根据所述整合环保指标数据计算所述环保指标数据的客观权重，包括：
获取目标待评项目，根据所述整合环保指标数据及所述目标待评项目生成所述环保指标数据的评价矩阵；
根据所述评价矩阵确定所述目标待评项目的指标比重；
利用如下的所述熵权算法根据所述指标比重计算所述环保指标数据的客观权重：
其中，
为第
个环保指标数据的客观权重，
为对数函数，
为第
个环保指标数据下第
个待评项目的指标比重，
为待评项目的数量。
可选地，所述根据所述评价矩阵确定所述目标待评项目的指标比重，包括：
利用预设的第一评价标准根据所述评价矩阵确定所述目标待评项目的第一评价值，以及利用预设的第二评价标准根据所述评价矩阵确定所述目标待评项目的第二评价值；
按照预设的目标评价标准对所述第一评价值及所述第二评价值进行选取，得到目标评价值；
根据所述目标评价值确定所述目标待评项目的指标比重。
可选地，所述根据所述主观权重及所述客观权重构造分块矩阵，包括：
根据所述主观权重生成主观权重向量；
根据所述客观权重生成客观权重向量；
将所述主观权重向量及所述客观权重向量进行向量拼接，得到分块矩阵。
可选地，所述利用预设的组合赋权算法根据所述分块矩阵计算所述环保指标数据的组合权重，包括：
根据所述环保指标数据的初始评分值确定原始决策矩阵，计算所述原始决策矩阵的对称非负定矩阵，以及计算所述分块矩阵的对称矩阵；
根据所述对称非负定矩阵及所述对称矩阵确定组合矩阵，计算所述组合矩阵的最大单位特征向量；
利用如下所述组合赋权算法根据所述最大单位特征向量及所述分块矩阵计算所述环保指标数据的组合权重：
其中，
为所述组合权重，
为所述分块矩阵，
为所述最大单位特征向量。
可选地，所述根据所述整合环保指标数据构建标准评价模型，包括：
根据所述整合环保指标数据确定待评状态模型；
根据所述待评状态模型确定所述环保指标数据的评价指标序列；
按照预设的目标模式根据所述评价指标序列生成所述标准评价模型。
可选地，所述根据所述中心度及预设的评价分值构建绿色智能仓库环保质量评价模型，包括：
将每个环保指标的评价分值与所述中心度进行对比，得到对比值；
当所述对比值符合预设的中心度阈值时，确定每个环保指标的环保等级；
根据所述环保等级生成所述绿色智能仓库环保质量评价模型。
可选地，所述利用所述绿色智能仓库环保质量评价模型对待评价绿色智能仓库进行评价，生成所述待评价绿色智能仓库的评价等级，包括：
获取所述待评价绿色智能仓库的待评价环保指标数据；
利用所述绿色智能仓库环保质量评价模型计算所述待评价环保指标数据的待评价中心度；
根据所述待评价中心度及所述待评价环保指标数据对应的评分分值确定所述待评价绿色智能仓库的评价等级。
为了解决上述问题，本发明还提供一种基于碳路径的绿色智能仓库环保质量分析装置，所述装置包括：
主观权重确定模块，用于获取目标绿色智能仓库的环保指标数据，根据所述环保指标数据构建指标体系层次结构，根据所述指标体系层次结构确定所述环保指标数据的主观权重；
客观权重确定模块，用于对所述环保指标数据进行数据整合，得到整合环保指标数据，利用预设的熵权算法根据所述整合环保指标数据计算所述环保指标数据的客观权重；
组合权重计算模块，用于根据所述主观权重及所述客观权重构造分块矩阵，利用预设的组合赋权算法根据所述分块矩阵计算所述环保指标数据的组合权重；
环保质量评价模型构建模块，用于根据所述整合环保指标数据构建标准评价模型，根据所述组合权重计算所述标准评价模型的中心度，根据所述中心度及预设的评价分值构建绿色智能仓库环保质量评价模型；
环保质量分析模块，用于利用所述绿色智能仓库环保质量评价模型对待评价绿色智能仓库进行评价，生成所述待评价绿色智能仓库的评价等级，利用所述评价等级对绿色智能仓库的环保质量进行分析。
本发明实施例通过根据环保指标数据构建指标体系结构，进而根据指标体系结构确定环保指标数据的主观权重和客观权重；根据主观权重和客观权重确定环保指标数据的组合权重，进而更加科学、客观地确定指标权重；根据组合权重计算标准评价模型的中心度，进而根据中心度和评价分值构建绿色智能仓库环保质量评价模型，可以提高评价模型构建的准确性，进而对其他绿色仓库的环保质量进行准确分析，便于在更多的绿色智能仓库中实现增加准确的环保质量评估。因此本发明提出的基于碳路径的绿色智能仓库环保质量分析方法及装置，可以解决进行环保质量分析时的准确度较低的问题。
附图说明
图1为本发明一实施例提供的基于碳路径的绿色智能仓库环保质量分析方法的流程示意图；
图2为本发明一实施例提供的计算客观权重的流程示意图；
图3为本发明一实施例提供的构造分块矩阵的流程示意图；
图4为本发明一实施例提供的基于碳路径的绿色智能仓库环保质量分析装置的功能模块图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于碳路径的绿色智能仓库环保质量分析方法。所述基于碳路径的绿色智能仓库环保质量分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于碳路径的绿色智能仓库环保质量分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于碳路径的绿色智能仓库环保质量分析方法的流程示意图。在本实施例中，所述基于碳路径的绿色智能仓库环保质量分析方法包括：
S1、获取目标绿色智能仓库的环保指标数据，根据所述环保指标数据构建指标体系层次结构，根据所述指标体系层次结构确定所述环保指标数据的主观权重；
本发明实施例中，所述环保指标数据是指目标绿色智能仓库的仓库布局、仓库地理位置、仓库建设材料资源，仓库的排碳量等，其中，可通过对目标绿色智能仓库的实地考察或查资料获取目标绿色智能仓库的环保指标数据。
详细地，对绿色智能仓库的环保质量进行分析，要根据环保指标数据构建绿色智能仓库的指标体系层次结构，因此，根据环保指标数据构建的指标体系层次结构三层，第一层包括仓库基本要求，库区选址与规划、节地与土地利用、节能与能源利用、节水与水资源利用、节材与材料资源利用、环境组成，第二层包括库区选址与规划、节地、土地利用、节能、能源利用、节水、水资源利用、节材、材料资源利用、室内外环境、污染物控制、绿化等，第三层包括对每个指标的评价项目。
具体地，对于构建的指标体系层次结构要选择合适的指标赋权方法，确定每个指标的权重，以此对绿色智能仓库的环保质量做进一步分析。
本发明实施例中，所述主观权重是指利用层次分析法（AHP）为代表，主要以专家的主观判断为基本依据，通过构造专门的评价方法和数学计算方法确定每个环保指标数据的主观指标权重。其中，层次分析法是一种定性分析与定量计算相结合的***评价分析方法。各种复杂因素对问题的解决有着不同的重要性，将这些因素之间的关系加以条理化，并排列出不同类型因素相对重要性的次序。
本发明实施例中，所述根据所述指标体系层次结构确定所述环保指标数据的主观权重，包括:
根据预设的指标重要程度生成所述指标体系层次结构的判断矩阵；
利用预设的优先程度公式计算所述判断矩阵中每行的指标平均值：
其中，
为所述指标平均值，
为第
行第
列对应的矩阵值，
为所述判断矩阵的矩阵列数或所述判断矩阵的矩阵行数；
利用如下的权重公式根据所述指标平均值计算所述指标体系层次结构中每个环保指标数据的指标权重：
其中，
为所述指标体系层次结构中第
个环保指标数据的指标权重，
为第
行的指标平均值；
利用预设的一致性确定所述判断矩阵是否满足一致性，当所述判断矩阵满足一致性时，将所述指标权重作为所述环保指标数据的主观权重。
详细地，所述判断矩阵的作用是用指标之间两两重要性程度之比的形式表示出两个方案的相应重要性程度等级。以及所述指标重要程度是指不同指标之间的指标对比重要程度，如指标u与指标v进行指标对比，若是同等重要，则标度为1；同等重要，则标度为3；明显重要，则标度为5；强烈重要，则标度为7；绝对重要，则标度为9；介于两者之间，则标度可以在2、4、6、8任选一个。因此，针对第一层级的指标相对于总目标的重要性，确定不同指标之间的重要性。
具体地，针对第一层的指标相对于总目标的重要性，如果指标C1与指标C2同等重要，则
，若指标C3比C4强烈不重要，则
，若指标C6比C1明显重要，则
，若介于两者中间，就填2,4,6,8间的数字，以此类推，比较两两指标间的重要性，并将指标重要数值添加至对应的行列数中，以此生成完整的判断矩阵。
进一步地，所述一致性是用来检验判断矩阵是否满足一致性，根据判断矩阵计算出每个指标的权重是否是合适的。
本发明实施例中，所述利用预设的一致性确定所述判断矩阵是否满足一致性，包括：
对所述判断矩阵进行列归一化，得到归一化判断矩阵；
利用如下的特征向量计算公式所述归一化判断矩阵的特征向量；
其中，
为所述归一化矩阵的第
个特征向量，
为所述归一化矩阵第
行第
列矩阵值总和，
为特征向量的数量；
根据所述特征向量确定所述归一化判断矩阵的最大特征值；
根据所述最大特征值确定所述判断矩阵的一致性指标；
当所述一致性指标小于预设的一致性阈值时，所述判断矩阵满足一致性。
详细地，根据判断矩阵计算针对上一层某一指标而言，本层次与之有关联系的各指标之间重要性次序的权重，因此根据层次单排序计算判断矩阵的特征根与特征向量，并根据特征值计算一致性指标，若一致性指标小于一致性阈值0.1时，认为判断矩阵符合一致性的要求，若一致性指标大于一致性阈值时，则需要调整判断矩阵的取值，并反复计算特征向量与特征值，直至判断矩阵满足一致性要求时，将所述指标权重作为所述环保指标数据的主观权重。
具体地，对于绿色智能仓库环保质量的评估，不能单纯利用主观要素所获取的权重是无法进行准确评估的，在权重分布没有考虑不确定因素，以及评估指标与评价的差异程度，评价结果存在着片面性和主观性。因此，不仅要针对环保指标数据进行主观赋值，还要对环保指标数据进行客观赋值，进而提高对绿色智能仓库环保质量评价的准确性。
S2、对所述环保指标数据进行数据整合，得到整合环保指标数据，利用预设的熵权算法根据所述整合环保指标数据计算所述环保指标数据的客观权重；
本发明实施例中，所述整合环保指标数据是指对环保指标数据确定评价标准，通过现场访谈或资料数据对环保指标数据进行评定等级及分值划分，将确定的评定等级及分值划分后的环保指标数据作为整合环保指标数据。
示例性地，可根据环保整合数据将绿色智能仓库环保质量划分为三个等级、分别为一级绿色仓库、二级绿色仓库、三级绿色仓库，一级为最高，二级中等，三级为最低，并且设置分值，即一级绿色仓库分值为100-80分，二级绿色仓库分值为79-60分，三级绿色仓库分值为60分以下。
本发明实施例中，所述客观权重是以客观赋权法为基础，是以对目标数量信息的数理推导为主要依据的定量分析方法，可以保证对数据源最准确的评价指标得到最科学的权重，即利用熵权法计算环保指标数据的客观权重。
本发明实施例中，参图2所示，所述利用预设的熵权算法根据所述整合环保指标数据计算所述环保指标数据的客观权重，包括：
S21、获取目标待评项目，根据所述整合环保指标数据及所述目标待评项目生成所述环保指标数据的评价矩阵；
S22、根据所述评价矩阵确定所述目标待评项目的指标比重；
S23、利用如下的所述熵权算法根据所述指标比重计算所述环保指标数据的客观权重：
其中，
为第
个环保指标数据的客观权重，
为对数函数，
为第
个环保指标数据下第
个待评项目的指标比重，
为待评项目的数量。
详细地，若存在有m个待评项目，n个评价指标，则形成需要评价项目的相应评价指标对应的评价矩阵表示为
，并对评价矩阵进行标准化处理，确定每个目标待评项目的指标比重，从而根据指标比重确定所述环保指标数据的客观权重。
具体地，所述根据所述评价矩阵确定所述目标待评项目的指标比重，包括：
利用预设的第一评价标准根据所述评价矩阵确定所述目标待评项目的第一评价值，以及利用预设的第二评价标准根据所述评价矩阵确定所述目标待评项目的第二评价值；
按照预设的目标评价标准对所述第一评价值及所述第二评价值进行选取，得到目标评价值；
根据所述目标评价值确定所述目标待评项目的指标比重。
详细地，所述第一评价标准是针对评价值越大越优的环保指标，所述第二评价标准是针对评价值越小越优的环保指标。因此，针对第一评价标准时，计算所述评价矩阵中最大值和最小值，并利用评价矩阵中的矩阵值与最小值相减再与最大值与最小值的差进行相比，得到所述第一评价值；而针对第二评价标准时，利用最大值与评价矩阵中的矩阵值的差值再与最大值与最小值的差值进行相比，得到所述第二评价值。
具体地，根据实际环保指标数据的评价标准，即环保指标数据的评价标准是评价值越大越优还是评价值越小越优对所述第一评价值及所述第二评价值进行选取，当环保指标数据是评价值越大越优，选取第一评价值；当环保指标数据是评价值越小越优，选取第二评价值，得到最终的目标评价值。进而根据目标评价值计算所述目标待评项目的指标比重
，即第
个环保指标数据下第
个待评项目的指标比重,其中
，
为第第
个环保指标数据下第
个待评项目的目标评价值。
进一步地，单独计算得到的主观权重的客观性太差，而单独计算得到的客观权重可能与生产生活的实际重要性不相符，为了更加科学、客观地确定指标权重，将主观权重与客观权重进行组合，得到更加准确的指标权重。
S3、根据所述主观权重及所述客观权重构造分块矩阵，利用预设的组合赋权算法根据所述分块矩阵计算所述环保指标数据的组合权重；
本发明实施例中，为了反映指标权重主客观两个方面的影响因素，利用层析分析法获得的主观权重，结合熵权算法获取的客观权重进行复核指标的主客观权重，最终计算得到最底层各指标数据相对于最高层的组合权重。
本发明实施例中，所述分块矩阵是将主观权重与客观权重进行结合的矩阵，从而根据分块矩阵确定环保指标数据的组合权重。
本发明实施例中，参图3所示，所述根据所述主观权重及所述客观权重构造分块矩阵，包括：
S31、根据所述主观权重生成主观权重向量；
S32、根据所述客观权重生成客观权重向量；
S33、将所述主观权重向量及所述客观权重向量进行向量拼接，得到分块矩阵。
详细地，根据每个环保指标数据对应的主观权重，生成主观权重向量，即
，以及根据每个环保指标数据对应的客观权重，生成客观权重向量，即
，从而将主观权重向量及客观权重向量进行拼接，得到分块矩阵
。
具体地，根据分块矩阵可以去确定环保指标数据的最优权重，进而根据最优权重构建绿色智能仓库环保质量模型，对绿色智能仓库环保质量进行评价，可以提高评价的准确性。
本发明实施例中，为了使绿色智能仓库环保质量评价值具有显著区别，尽可能使对环保指标数据的评价值具有分散性，即利用离差平方和准则计算环保指标数据的组合权重。其中，所述组合赋权算法是基于离差平方和准则的一种算法，是各项与平均项之差的平方的总和。
本发明实施例中，所述利用预设的组合赋权算法根据所述分块矩阵计算所述环保指标数据的组合权重，包括：
根据所述环保指标数据的初始评分值确定原始决策矩阵，计算所述原始决策矩阵的对称非负定矩阵，以及计算所述分块矩阵的对称矩阵；
根据所述对称非负定矩阵及所述对称矩阵确定组合矩阵，计算所述组合矩阵的最大单位特征向量；
利用如下所述组合赋权算法根据所述最大单位特征向量及所述分块矩阵计算所述环保指标数据的组合权重：
其中，
为所述组合权重，
为所述分块矩阵，
为所述最大单位特征向量。
详细地，所述原始决策矩阵
是根据环保指标数据初始确定的评分值所构建的，并计算原始决策矩阵
的对称非负定矩阵
，以及计算分块矩阵
的对称矩阵
，根据对称矩阵
及对称非负定矩阵
，计算组合矩阵，即
，并计算组合矩阵
的最大特征根所对应的单位化特征向量
，最终根据组合赋权算法计算所述环保指标数据的组合权重。
具体地，对环保指标数据的组合权重确定之后，可利用组合权重对绿色智能仓库环保质量评价模型进行构建，从而可用于对后续绿色智能仓库的环保质量做出综合评价，进而根据综合评价做出环保改进。
S4、根据所述整合环保指标数据构建标准评价模型，根据所述组合权重计算所述标准评价模型的中心度，根据所述中心度及预设的评价分值构建绿色智能仓库环保质量评价模型；
本发明实施例中，为了更有效的实现定性与定量分析的融合，实现在指标中既有定性指标也有定量分析指标的情况，且适用于指标情况复杂的情形，需要构建标准评价模型。其中，所述标准评价模型是指基于灰靶模型，灰靶模型是源于灰色***理论，即根据各指标的极性确定标准模式，即靶心，将各模式与标准模式一同构成灰靶，并将待评模式与标准模式进行比较，以此识别待评模式接近靶心的程度，即靶心度，基于靶心度来进行模式识别、分级和优选，确定评估等级。以此可以实现定性与定量分析的融合，进而提高评价模型构建的准确性。
本发明实施例中，所述根据所述整合环保指标数据构建标准评价模型，包括：
根据所述整合环保指标数据确定待评状态模型；
根据所述待评状态模型确定所述环保指标数据的评价指标序列；
按照预设的目标模式根据所述评价指标序列生成所述标准评价模型。
详细地，若令
为待评价的第
个状态模式，
为绿色智能仓库环保质量评价的第
个指标序列，则称状态
为在
个评 价指标下的第
个待评状态模式；以及
为在
个状态模式下的第
个评价指标序列。对于绿色智能仓库环保质量评价而言，正向指标的标准模式取该指标的最大值;负向指标的标准模式则取该指标的最小值，按照所需的目标模式选择是正向指标还是负向指标，进而最终确定标准模式序列为
。
具体地，为了提高评价结果的准确度，将组合权重引入中心度求解，可以增加客观性，更符合实际。
本发明实施例中，所述根据所述组合权重计算所述标准评价模型的中心度，包括：
根据所述标准评价模型生成环保指标数据的差异信息矩阵；
根据所述差异信息矩阵计算靶心系数；
利用如下的中心度计算公式根据所述靶心系数及所述组合权重计算所述标准评价模型的中心度：
其中，
为所述中心度，
为第
个指标序列的组合权重，
为指标序列的数量，
为所述靶心系数，
为在标准评价模型下的第
个评价指标序列，
为在第在
个状态模式下的第
个评价指标序列。
详细地，所述差异信息矩阵是指环保指标数据中不同指标数据之间的差异，即差异信息矩阵为
，并根据差异信息矩阵计算靶心系数，根据差异信息矩阵中最大值及最小值确定靶心系数。
具体地，利用中心度计算公式中的组合权重可以使计算得到的中心度，更加符合实际，提高评价结果的准确度，并增加了客观性。因此，根据所述靶心系数及组合权重计算中心评价模型的中心度，即靶心度。
进一步地，通过对比各环保指标与靶心度的靠近程度，以靶心度作为等级划分标准来进行等级评估，以此构建绿色智能仓库环保质量评价模型。
本发明实施例中，所述根据所述中心度及预设的评价分值构建绿色智能仓库环保质量评价模型，包括：
将每个环保指标的评价分值与所述中心度进行对比，得到对比值；
当所述对比值符合预设的中心度阈值时，确定每个环保指标的环保等级；
根据所述环保等级生成所述绿色智能仓库环保质量评价模型。
详细地，将每个环保指标的评价分值与所述中心度进行对比，得到每个环保指标与中心度的靠近程度，即对比值，越靠近靶心，等级越高，越远离靶心，等级越低。
具体地，可以根据环保等级生成绿色智能仓库环保质量评价模型，并利用绿色智能仓库环保质量评价模型对待评价绿色智能仓库进行评价，以此确定待评价绿色智能仓库进行评价的环保质量。
S5、利用所述绿色智能仓库环保质量评价模型对待评价绿色智能仓库进行评价，生成所述待评价绿色智能仓库的评价等级，利用所述评价等级对绿色智能仓库的环保质量进行分析。
本发明实施例中，可以直接利用绿色智能仓库环保质量评价模型对待评价绿色智能仓库进行评价，确定待评价绿色智能仓库的评价等级，进而根据评价等级确定绿色智能仓库的环保质量。
本发明实施例中，所述利用所述绿色智能仓库环保质量评价模型对待评价绿色智能仓库进行评价，生成所述待评价绿色智能仓库的评价等级，包括：
获取所述待评价绿色智能仓库的待评价环保指标数据；
利用所述绿色智能仓库环保质量评价模型计算所述待评价环保指标数据的待评价中心度；
根据所述待评价中心度及所述待评价环保指标数据对应的评分分值确定所述待评价绿色智能仓库的评价等级。
详细地，根据待评价绿色智能仓库的待评价环保指标数据构建环保指标体系结构，并根据环保指标体系结构计算组合权重，并利用绿色智能仓库环保质量评价模型根据组合权重确定待评价绿色智能仓库中心度，进而根据中心度与待评价环保指标数据对应的评分分值进行对比，并根据两者的靠近程度确定待评价绿色智能仓库的评价等级。
具体地，当所述评价等级越高时，绿色智能仓库的环保质量就越高，相反地，当所述评价等级越低时，绿色智能仓库的环保质量就越低，因此，可根据评价等级确定绿色智能仓库的环保质量进行评估，并根据评价等级对绿色智能仓库针对环保方面的不足之处做出改进。
本发明实施例通过根据环保指标数据构建指标体系结构，进而根据指标体系结构确定环保指标数据的主观权重和客观权重；根据主观权重和客观权重确定环保指标数据的组合权重，进而更加科学、客观地确定指标权重；根据组合权重计算标准评价模型的中心度，进而根据中心度和评价分值构建绿色智能仓库环保质量评价模型，可以提高评价模型构建的准确性，进而对其他绿色仓库的环保质量进行准确分析，便于在更多的绿色智能仓库中实现增加准确的环保质量评估。因此本发明提出的基于碳路径的绿色智能仓库环保质量分析方法及装置，可以解决进行环保质量分析时的准确度较低的问题。
如图4所示，是本发明一实施例提供的基于碳路径的绿色智能仓库环保质量分析装置的功能模块图。
本发明所述基于碳路径的绿色智能仓库环保质量分析装置100可以安装于电子设备中。根据实现的功能，所述基于碳路径的绿色智能仓库环保质量分析装置100可以包括主观权重确定模块101、客观权重确定模块102、组合权重计算模块103、环保质量评价模型构建模块104及环保质量分析模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述主观权重确定模块101，用于获取目标绿色智能仓库的环保指标数据，根据所述环保指标数据构建指标体系层次结构，根据所述指标体系层次结构确定所述环保指标数据的主观权重；
所述客观权重确定模块102，用于对所述环保指标数据进行数据整合，得到整合环保指标数据，利用预设的熵权算法根据所述整合环保指标数据计算所述环保指标数据的客观权重；
所述组合权重计算模块103，用于根据所述主观权重及所述客观权重构造分块矩阵，利用预设的组合赋权算法根据所述分块矩阵计算所述环保指标数据的组合权重；
所述环保质量评价模型构建模块104，用于根据所述整合环保指标数据构建标准评价模型，根据所述组合权重计算所述标准评价模型的中心度，根据所述中心度及预设的评价分值构建绿色智能仓库环保质量评价模型；
所述环保质量分析模块105，用于利用所述绿色智能仓库环保质量评价模型对待评价绿色智能仓库进行评价，生成所述待评价绿色智能仓库的评价等级，利用所述评价等级对绿色智能仓库的环保质量进行分析。
详细地，本发明实施例中所述基于碳路径的绿色智能仓库环保质量分析装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于碳路径的绿色智能仓库环保质量分析方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用***。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。本说明书中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于碳路径的绿色智能仓库环保质量分析方法，其特征在于，所述方法包括：
S1、获取目标绿色智能仓库的环保指标数据，根据所述环保指标数据构建指标体系层次结构，根据所述指标体系层次结构确定所述环保指标数据的主观权重；
S2、对所述环保指标数据进行数据整合，得到整合环保指标数据，利用预设的熵权算法根据所述整合环保指标数据计算所述环保指标数据的客观权重；
S3、根据所述主观权重及所述客观权重构造分块矩阵，利用预设的组合赋权算法根据所述分块矩阵计算所述环保指标数据的组合权重；
S4、根据所述整合环保指标数据构建标准评价模型，根据所述组合权重计算所述标准评价模型的中心度，根据所述中心度及预设的评价分值构建绿色智能仓库环保质量评价模型，其中，所述根据所述组合权重计算所述标准评价模型的中心度，包括：
S41、根据所述标准评价模型生成环保指标数据的差异信息矩阵；
S42、根据所述差异信息矩阵计算靶心系数；
S43、利用如下的中心度计算公式，根据所述靶心系数及所述组合权重计算所述标准评价模型的中心度：
其中，
为所述中心度，
为第
个指标序列的组合权重，
为指标序列的数量，
为所述靶心系数，
为在标准评价模型下的第
个评价指标序列，
为在第在
个状态模式下的第
个评价指标序列；
S5、利用所述绿色智能仓库环保质量评价模型对待评价绿色智能仓库进行评价，生成所述待评价绿色智能仓库的评价等级；利用所述评价等级对绿色智能仓库的环保质量进行分析。
2.如权利要求1所述的基于碳路径的绿色智能仓库环保质量分析方法，其特征在于，所述根据所述指标体系层次结构确定所述环保指标数据的主观权重，包括:
根据预设的指标重要程度生成所述指标体系层次结构的判断矩阵；
利用预设的优先程度公式计算所述判断矩阵中每行的指标平均值：
其中，
为所述指标平均值，
为第
行第
列对应的矩阵值，
为所述判断矩阵的矩阵列数或所述判断矩阵的矩阵行数；
利用如下的权重公式根据所述指标平均值计算所述指标体系层次结构中每个环保指标数据的指标权重：
其中，
为所述指标体系层次结构中第
个环保指标数据的指标权重，
为第
行的指标平均值；
利用预设的一致性确定所述判断矩阵是否满足一致性，当所述判断矩阵满足一致性时，将所述指标权重作为所述环保指标数据的主观权重。
3.如权利要求1所述的基于碳路径的绿色智能仓库环保质量分析方法，其特征在于，所述利用预设的熵权算法根据所述整合环保指标数据计算所述环保指标数据的客观权重，包括：
获取目标待评项目，根据所述整合环保指标数据及所述目标待评项目生成所述环保指标数据的评价矩阵；
根据所述评价矩阵确定所述目标待评项目的指标比重；
利用如下的所述熵权算法根据所述指标比重计算所述环保指标数据的客观权重：
其中，
为第
个环保指标数据的客观权重，
为对数函数，
为第
个环保指标数据下第
个待评项目的指标比重，
为待评项目的数量。
4.如权利要求3所述的基于碳路径的绿色智能仓库环保质量分析方法，其特征在于，所述根据所述评价矩阵确定所述目标待评项目的指标比重，包括：
利用预设的第一评价标准根据所述评价矩阵确定所述目标待评项目的第一评价值，以及利用预设的第二评价标准根据所述评价矩阵确定所述目标待评项目的第二评价值；
按照预设的目标评价标准对所述第一评价值及所述第二评价值进行选取，得到目标评价值；
根据所述目标评价值确定所述目标待评项目的指标比重。
5.如权利要求1所述的基于碳路径的绿色智能仓库环保质量分析方法，其特征在于，所述根据所述主观权重及所述客观权重构造分块矩阵，包括：
根据所述主观权重生成主观权重向量；
根据所述客观权重生成客观权重向量；
将所述主观权重向量及所述客观权重向量进行向量拼接，得到分块矩阵。
6.如权利要求1至5中任一项所述的基于碳路径的绿色智能仓库环保质量分析方法，其特征在于，所述利用预设的组合赋权算法根据所述分块矩阵计算所述环保指标数据的组合权重，包括：
根据所述环保指标数据的初始评分值确定原始决策矩阵，计算所述原始决策矩阵的对称非负定矩阵，以及计算所述分块矩阵的对称矩阵；
根据所述对称非负定矩阵及所述对称矩阵确定组合矩阵，计算所述组合矩阵的最大单位特征向量；
利用如下所述组合赋权算法根据所述最大单位特征向量及所述分块矩阵计算所述环保指标数据的组合权重：
其中，
为所述组合权重，
为所述分块矩阵，
为所述最大单位特征向量。
7.如权利要求1所述的基于碳路径的绿色智能仓库环保质量分析方法，其特征在于，所述根据所述整合环保指标数据构建标准评价模型，包括：
根据所述整合环保指标数据确定待评状态模型；
根据所述待评状态模型确定所述环保指标数据的评价指标序列；
按照预设的目标模式根据所述评价指标序列生成所述标准评价模型。
8.如权利要求1所述的基于碳路径的绿色智能仓库环保质量分析方法，其特征在于，所述根据所述中心度及预设的评价分值构建绿色智能仓库环保质量评价模型，包括：
将每个环保指标的评价分值与所述中心度进行对比，得到对比值；
当所述对比值符合预设的中心度阈值时，确定每个环保指标的环保等级；
根据所述环保等级生成所述绿色智能仓库环保质量评价模型。
9.如权利要求1所述的基于碳路径的绿色智能仓库环保质量分析方法，其特征在于，所述利用所述绿色智能仓库环保质量评价模型对待评价绿色智能仓库进行评价，生成所述待评价绿色智能仓库的评价等级，包括：
获取所述待评价绿色智能仓库的待评价环保指标数据；
利用所述绿色智能仓库环保质量评价模型计算所述待评价环保指标数据的待评价中心度；
根据所述待评价中心度及所述待评价环保指标数据对应的评分分值确定所述待评价绿色智能仓库的评价等级。
10.一种基于碳路径的绿色智能仓库环保质量分析装置，其特征在于，所述装置包括：
主观权重确定模块，用于获取目标绿色智能仓库的环保指标数据，根据所述环保指标数据构建指标体系层次结构，根据所述指标体系层次结构确定所述环保指标数据的主观权重；
客观权重确定模块，用于对所述环保指标数据进行数据整合，得到整合环保指标数据，利用预设的熵权算法根据所述整合环保指标数据计算所述环保指标数据的客观权重；
组合权重计算模块，用于根据所述主观权重及所述客观权重构造分块矩阵，利用预设的组合赋权算法根据所述分块矩阵计算所述环保指标数据的组合权重；
环保质量评价模型构建模块，用于根据所述整合环保指标数据构建标准评价模型，根据所述组合权重计算所述标准评价模型的中心度，根据所述中心度及预设的评价分值构建绿色智能仓库环保质量评价模型；
环保质量分析模块，用于利用所述绿色智能仓库环保质量评价模型对待评价绿色智能仓库进行评价，生成所述待评价绿色智能仓库的评价等级，利用所述评价等级对绿色智能仓库的环保质量进行分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310059491.6A CN115829209A (zh) | 2023-01-19 | 2023-01-19 | 基于碳路径的绿色智能仓库环保质量分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310059491.6A CN115829209A (zh) | 2023-01-19 | 2023-01-19 | 基于碳路径的绿色智能仓库环保质量分析方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115829209A true CN115829209A (zh) | 2023-03-21 |
Family
ID=85520766
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310059491.6A Pending CN115829209A (zh) | 2023-01-19 | 2023-01-19 | 基于碳路径的绿色智能仓库环保质量分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115829209A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117707065A (zh) * | 2023-12-11 | 2024-03-15 | 上海曼孚机电控制工程有限公司 | 一种基于浓度的液体添加剂智能调配方法、***及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112435106A (zh) * | 2019-08-23 | 2021-03-02 | 东北大学秦皇岛分校 | 一种基于改进灰靶理论的工资总额分配模型构建方法 |
| CN113792982A (zh) * | 2021-08-19 | 2021-12-14 | 北京邮电大学 | 基于组合赋权与模糊灰色聚类的科技服务质量评估方法和装置 |
| CN114168899A (zh) * | 2021-10-26 | 2022-03-11 | 中国市政工程华北设计研究总院有限公司 | 一种绿色生态型市政道路综合评价方法 |
| CN114881490A (zh) * | 2022-05-13 | 2022-08-09 | 国家电网有限公司 | 一种变电站绿色施工评价方法及*** |
-
2023
- 2023-01-19 CN CN202310059491.6A patent/CN115829209A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112435106A (zh) * | 2019-08-23 | 2021-03-02 | 东北大学秦皇岛分校 | 一种基于改进灰靶理论的工资总额分配模型构建方法 |
| CN113792982A (zh) * | 2021-08-19 | 2021-12-14 | 北京邮电大学 | 基于组合赋权与模糊灰色聚类的科技服务质量评估方法和装置 |
| CN114168899A (zh) * | 2021-10-26 | 2022-03-11 | 中国市政工程华北设计研究总院有限公司 | 一种绿色生态型市政道路综合评价方法 |
| CN114881490A (zh) * | 2022-05-13 | 2022-08-09 | 国家电网有限公司 | 一种变电站绿色施工评价方法及*** |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117707065A (zh) * | 2023-12-11 | 2024-03-15 | 上海曼孚机电控制工程有限公司 | 一种基于浓度的液体添加剂智能调配方法、***及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108280553B (zh) | 基于gis-神经网络集成的山洪灾害风险区划及预测方法 | |
| Ali et al. | A data-driven approach for multi-scale GIS-based building energy modeling for analysis, planning and support decision making | |
| Wu et al. | Performance evaluation of the SLEUTH model in the Shenyang metropolitan area of northeastern China | |
| CN110276556B (zh) | 一种基于多策略的环境承载力指标权重计算方法及装置 | |
| CN106970986B (zh) | 基于深度学习的城市内涝影响程度挖掘方法及*** | |
| KR102379472B1 (ko) | 시공간 피해특성을 고려한 다종 데이터 융합 분석방법 | |
| CN110503267B (zh) | 基于时空尺度自适应模型的城市侵财案件预测***及预测方法 | |
| CN114490404A (zh) | 一种测试用例确定方法、装置、电子设备及存储介质 | |
| Cirella et al. | Index of sustainable functionality: Application in Urat front banner | |
| CN114648155A (zh) | 基于天气分型与气象预报的源解析方法及应急响应*** | |
| CN114399235B (zh) | 一种基于雨情数据判定灾害风险等级的方法及*** | |
| CN115879654A (zh) | 一种地下巷道稳定性预测和可靠性评价方法 | |
| CN115829209A (zh) | 基于碳路径的绿色智能仓库环保质量分析方法及装置 | |
| CN110716998B (zh) | 一种精细尺度人口数据空间化方法 | |
| CN115062992A (zh) | 基于能源大数据的综合能源***发展水平测算方法及*** | |
| CN112767126A (zh) | 基于大数据的抵押物评级方法和装置 | |
| Teliura et al. | Selection methodology of ecological safety priorities of sustainable development goals of urban agglomerations | |
| CN113689226A (zh) | 商业综合体的选址方法、装置、电子设备和存储介质 | |
| Chen et al. | A new evaluation method for slope stability based on TOPSIS and MCS | |
| CN111026790A (zh) | 一种基于数据挖掘的结构安全评估及预报方法 | |
| CN107424026A (zh) | 商家信誉评价方法和装置 | |
| CN115906669A (zh) | 一种顾及负样本选取策略的密集残差网络滑坡易发性评价方法 | |
| CN114493245A (zh) | 一种基于gis与集成学习的山洪灾害易发性评价方法 | |
| CN112926198A (zh) | 一种MSaaS仿真架构的可信度评估方法及*** | |
| CN108021623B (zh) | 一种提高地图符号赋权客观性的方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230321 |